基于超聲導波的管道損傷監測云系統

，，，，，

(1.浙江大學 數字技術與儀器研究所，杭州 310027；2. 浙江大學 流體動力與機電系統國家重點實驗室，杭州 310027；3.杭州浙達精益機電技術股份有限公司，杭州 311121)

管道在能源運輸、基礎設施等領域應用廣泛，管道健康的維護也變得日益重要。隨著部分在役管道服役年限的增加，其常出現損耗的情況。一旦管道發生事故，將對公共生命和財產造成不可估量的損失，后果不堪設想。但是由于管道系統規模龐大、結構復雜，逐點檢測的傳統無損檢測技術既費時、費力，實施難度也較大，往往存在盲目開挖、盲目報廢，維護保養缺乏科學性等問題，而造成人力、物力、財力的浪費。故，如何通過一種有效、經濟的手段，實時獲取在役管道的健康狀況成為技術研究的熱點方向。

超聲導波作為一種新興的無損檢測技術，以其單點激勵、檢測距離遠、檢測效率高等優勢成功應用于在役管道的檢測中[1-2]。但實際應用中各種復雜工況，比如彎頭、埋地、螺旋焊管等會使得導波的回波信號比較復雜，且導波損傷散射波通常會被各種結構組件或邊界的散射信號淹沒[3]，而給腐蝕信號的判斷帶來較大難度。

從提高信號的準確性和降低檢測成本的角度出發[4]，監測應該是一種很好的替代檢測的方式。將合適的算法運用于導波監測中，除了能提高信號的判斷能力外，還可大大降低檢測成本。一個埋地管道的檢測從開挖、檢測到覆土還原，既費時又費力，如果采用監測的手段，可以一次性安裝，永久得到管道健康狀況數據，實現無人值守的高效工作方式，極大減小了管道的安全隱患[5-6]。

為此，筆者引入一種監測算法，結合云技術和大數據分析發展出一套超聲導波監測云平臺，采用超聲導波監測的方式來解決復雜工況造成缺陷信號被淹沒而導致漏檢的問題。超聲導波監測技術通過儀器終端周期性采集管道信息傳到云服務器，結合云存儲和數據智能識別算法，將當前采集信號與管道歷史信號進行對比分析，可發現逐漸生長的缺陷且監視已知缺陷的發展，從而實時掌握被監測管線的整體健康情況，做到及時報警，及時搶修，將損失降到最低。

1 差值分析算法

處于復雜工況下的管道，在檢測過程中的微小缺陷信號會被復雜結構的特征回波淹沒而造成漏檢，針對這種導波信號時域上的復雜性，目前被廣泛關注的一種有效監測算法是差值分析算法[7-8]。筆者將著重介紹此算法原理，并將其用于導波監測。

由于管道自身固有的結構特征是不變的，差值分析算法以生長型缺陷特征為變化量[9]，預先建立健康管道的參考信號庫，將后期采集的測量信號與參考信號作差，以消除管道固有特征回波信號，保留生長型缺陷特征，并以作差后的剩余信號來判斷缺陷是否存在。

其原理是通過測量信號與參考信號的幅值作差，故其對信號幅值和溫度變化引起的時移變化敏感，因而在對導波信號進行差值分析前需做一定的預處理。

1.1 監測信號預處理

導波儀器激發信號的幅值存在一定的波動，會引入直流成分，使信號均值產生漂移，而造成采集信號幅值存在一定的變化[10]。根據這種情況，分別設計去直流和幅值歸一化算法，以消除幅值波動對導波監測的影響。

儀器不穩定的情況下，參考信號和測量信號可分別表示為

(1)

式中：a表示能量變化；b表示信號產生的幅值偏移；x(n)表示零均值的系統輸入信號；y0(n)表示參考信號；y1(n)表示測量信號。

由于x(n)為系統輸入信號，用的是帶漢寧窗的正弦信號，理想情況為零均值，故

(2)

(3)

(4)

基于參考信號的能量歸一化，測量信號的能量歸一化為

(5)

1.2 時域差值算法

差值分析方法有多種不同實現方式，其中較為簡單的實現是時域差值算法，其原理是在時域上將采樣信號和參考信號進行作差而獲得差值信號。在監測信號進行分析前已經通過預處理去除了幅值波動的影響，所以只需考慮溫度對時域差值精度的影響。

選取經漢寧窗調制的脈沖s(t)作為導波信號的激勵源，則激勵信號可以表示為

s(t)=μ0ω(t)sin(2πft)

(6)

(7)

式中：μ0為脈沖幅度；f為中心頻率；ω(t)為漢寧窗函數。

假設t0時刻獲得一個參考信號s0(t)，由于存在溫度變化δT，對信號造成的時域偏移設為δt，則對應的測量信號記為s1(t)，做相減運算可以得到

(8)

式中：λ為特征結構回波的反射系數。

實際應用中，常會根據不同溫度情況建立相對應的參考信號庫，以盡量降低溫度的影響。通常情況下，可認為時移量δt小于單個周期的脈沖寬度，其引起的最大噪聲為

εRF=|RFnoise|max=2λμ0πfδt

(9)

(10)

α為結構熱膨脹系數，則δd/δT=αd。記δv/δT=κ，其表示導波速度隨溫度變化的系數。將α和κ代入式(10)，得到

(11)

將式(11)代入式(9)，進一步得到

(12)

式中：下標ph表示導波的相速度。

根據式(12)可得到時域差值噪聲和信號幅值的比值βRF

(13)

根據式(13)，可推出在一定溫度范圍內，時域差值算法噪聲與溫度變化成正相關關系，且與距離正相關，即遠距離的回波信號具有更大的噪聲。在實際應用中可以計算得出βRF，作為判斷缺陷是否存在的閾值。經過時域差值計算后，如出現大于閾值的局部信號量，可認為有疑似缺陷存在。利用此差值算法，當管道存在缺陷時，能及時提取出被結構組件或邊界的散射信號淹沒的缺陷信號。

2 監測系統開發

2.1 監測云平臺

超聲導波監測云平臺是杭州浙達精益機電技術股份有限公司鑒于現在管道監測對數據云平臺軟件的迫切需求，專門組織團隊對B/S架構的監測云平臺系統進行開發，包括數據傳輸、大數據存儲和交互客戶端等，并且針對管道監測、斷軌監測及電力線監測，在考慮各應用場景的平臺通用的前提下，分別開發了不同的應用接口與前、后端軟件系統，以滿足不同應用場景的需要。

監測系統包括監測換能器、網絡通信模塊、數據存儲服務器以及缺陷判別軟件系統。超聲導波監測換能器是關鍵的傳感終端，是導波技術的核心與難點，該系統以杭州浙達精益機電技術股份有限公司自主研發的監測換能器為核心，經過近幾年的不斷改進完善，已經具備現場安裝使用的條件。

監測硬件系統和軟件系統是整個系統正常、可靠運行的保證。系統的網絡架構采用B/S結構，整個架構如圖1所示。

監測換能器序列號可自動匹配，每個監測點有唯一的身份標識，GPS位置數據等信息并通過地圖進行實際物理位置的關聯。終端周期性采集管道健康狀況，通過網絡通信模塊將數據發送到云服務器。服務端集成缺陷自動判別系統和數據存儲系統，實時分析管道信號并給出管道健康狀況。通過可適應PC及移動端瀏覽器的可視化模塊，直觀詳細地顯示報警信息和回波數據，還可根據監測點唯一的標號進行管道歷史數據和設置參數的查閱。

服務端通過終端上傳的溫度等環境信息，可自動調整服務端缺陷判定閾值的設定，根據溫度自動更新用于差值分析的參考信號庫。將調整過的信號與參考信號作差值可以得到差值信號值，一旦某位置差值超過了設定的報警閾值，則自動進行重新采樣，如果重采樣的結果依然超出閾值，則進行報警提示，并在地圖上用紅色標記出該監測點，彈出報警提示框。

2.2 監測系統試驗

將研發的超聲導波監測云平臺部署上線，并搭建管道缺陷監測試驗平臺，通過模擬缺陷的形成過程，以確定監測系統的監測效果及其性能。超聲導波監測平臺采用杭州浙達精益自主研發的監測換能器和MSGW導波儀終端為硬件基礎，自主研發的云平臺為技術支持。監測試驗平臺實物與安裝情況如圖2所示。

圖2 監測平臺實物與安裝圖

試驗時，將導波監測換能器固定在監測試驗管道上，連接MSGW導波儀終端，設置監測采樣時間周期為30 s，獲取一定噪聲范圍內的管道信號作為參考信號，并將參考信號進行存儲，即對應無缺陷的管道信號。

根據理論分析得出在一定溫度范圍內，時域差值算法噪聲與溫度變化成正相關關系，且與距離正相關，即遠距離的回波信號具有更大的噪聲。在實施監測的過程中，監測云平臺具有自動更新參考信號庫和缺陷判斷閾值的能力。監測云平臺根據溫度傳感器反饋的信息和預設的監測距離，實時更新缺陷判斷閾值，最大限度減小溫度對時域差值算法準確度的影響。

由于實際的管道缺陷的形成是個緩慢的過程，試驗過程中又難以提供實際的腐蝕條件，且受時間的限制，筆者在試驗中采用引入抱箍作為缺陷的方式來模擬管道的實際腐蝕過程。引入抱箍后，導波儀終端繼續以30 s的周期采集管道健康狀況數據并發送到云端存儲，服務端通過上文分析的差值算法對采樣信號與參考信號進行分析處理，給出此時管道的健康狀況。

采集的管道數據通過網絡通信模塊傳輸至服務器進行存儲、分析、預警。在PC端或者無線端打開瀏覽器可以查詢到實際的監測點信息和對應的管道監測數據。Web監測云平臺界面示例如圖3所示。監測點的GPS經緯度信息與地圖關聯，直觀顯示各監測點的物理位置信息，并且以不同的顏色表明監測點的不同運行狀態，綠色表示處于監測狀態，黑色表示暫停監測，紅色表明此監測點出現缺陷報警狀態。

圖3 監測云平臺界面

單擊監測點后，可以自動顯示監測點采集參數和對應的監測數據。圖4所示為無缺陷情況下的監測云平臺顯示界面，可以看到導波監測參考信號和當前采集信號的波形圖基本吻合，差值圖的幅值都在0.3 V以下，并且服務端缺陷自動判別系統反饋的信息為“監測正常”。

圖4 管道監測正常圖

圖5 管道監測異常圖

引入抱箍模擬的缺陷后，導波信號幅值會發生局部變化，服務端缺陷自動判別系統監測到有缺陷后，反饋的信息為“缺陷報警”，瀏覽器端頁面自動刷新為圖5狀態，可看到參考信號和當前信號出現了大的差異，且差值圖最大幅值超過了2 V。

通過監測云平臺的趨勢分析功能(見圖6)，可以明顯地看到在引入缺陷的時間點前后，導波監測波形的幅值信息呈現出一個階躍的變化，這與服務端給出的圖5，6的反饋信息相吻合。即，通過監測云平臺可得出管道的結構健康狀況，驗證了監測算法和監測平臺的可行性和有效性。

圖6 管道的監測趨勢圖

2.3 監測系統現場應用

管道腐蝕導波在線監測系統已先后在中石化的江蘇、寧波，中石油的新疆等地建立試點，試點數量達 52個，分別應用于煉化企業、站場工藝管道、石油運輸管道等多個場合。

該監測系統亦成功安裝于新疆塔中油田，現場管道為埋地管道，帶有保溫層與防腐層，管道直徑為323.9 mm，圖7所示為系統的現場安裝示意圖。安裝時，首先挖開管道周邊泥土，去除保溫層和防腐層，完成監測換能器的安裝后，恢復保溫層和防腐層，回填泥土，并且安裝換能器監測樁。

圖7 監測系統在新疆塔中油田的現場安裝圖

完成現場安裝后，設置監測系統參數，包括監測點的采樣周期、報警數值1 V等，并且此參數在線可調，對工況良好的管道可設置較長采樣周期，減少系統資源消耗；處于環境惡劣工況下的管道，設置短周期，以利于實時管控。通過瀏覽器獲取系統自動計算的差值分析和趨勢分析，定期檢查監測系統的監測結果。圖8為部分時間段的監測信號趨勢圖，可以看到監測信號在許可范圍內波動，未出現階躍跳變，也未出現幅值逐漸上升的情況，可以得出此油田埋地管道健康狀況良好，無缺陷出現的結論。若趨勢圖呈現圖6所示的階躍狀況，該導波監測系統會及時給出缺陷報警信息，做到及時報警、及時維修，將損失降到最低。

圖8 新疆塔中油田管道的部分監測信號圖

3 結論

針對實際復雜工況中，導波損傷散射波通常被各種結構組件或邊界的散射信號淹沒造成漏檢的問題，提出了監測信號預處理方法，該方法可以有效地去除儀器不穩定和管道結構等因素對監測信號的影響，對監測系統的誤差進行修正，提高系統判別缺陷的準確性。

開展了時域差值算法的理論研究，分析了算法的具體原理，引入了時間維度，在時間上進行兩個信號的差值比較，從而提取出缺陷特征，指出其用于監測系統缺陷分析的可行性。

搭建了一套超聲導波監測系統，系統基于自動化在線監測技術，可以實現對管道生長型缺陷的自動識別與提取，能大大減少人工對信號解讀的難度，為整個管網的健康狀態提供了有價值的參考。結合云存儲、數字分析等手段成功將監測云平臺上線運行，監測客戶端可為用戶提供友好的可視化界面，用戶不僅可以接受預警信息，還可以查看權限內的監測點數據和分析結果。通過模擬試驗和現場應用驗證了監測算法和監測平臺的可行性和有效性，系統不僅可以對現有的管道狀態進行監測與分析，也可以對其歷史狀態進行分析對比，獲取管道腐蝕缺陷的生長趨勢，預測管道的剩余使用壽命，從而提高對管道健康狀態評估的準確度。